Model Degradation

释义 Definition

“Model degradation” 指模型性能退化/下降：一个（尤其是机器学习）模型在部署后，因数据分布变化（数据漂移/概念漂移）、环境变化、输入质量变差或系统更新等原因，预测准确率、稳定性或泛化能力逐渐变差的现象。（在更广义语境中，也可指任何“模型”（统计模型、仿真模型等）随时间或条件变化而失效或变差。）

发音 Pronunciation (IPA)

/ˈmɑːdəl ˌdɛɡrəˈdeɪʃən/

例句 Examples

A/B tests can reveal model degradation after deployment.
A/B 测试可以揭示模型在上线后的性能退化。

Without monitoring and retraining, model degradation may quietly increase errors as user behavior shifts over time.
如果缺少监控与再训练，随着用户行为随时间变化，模型性能退化可能会悄悄导致错误率上升。

词源 Etymology

model 源自拉丁语 modulus（“尺度、标准”），引申为“范式/模型”。
degradation 源自拉丁语 degradare（“降级、使降低等级”），由 *de-*（向下）+ gradus（步、等级）构成，表示“质量/等级下降”。合在一起即“模型的质量/性能下降”。

相关词 Related Words

• Drift
• Data
• Bias
• Variance
• Overfitting
• Generalization
• Monitoring
• Retraining
• Robustness
• Calibration

文献与著作 Notable Works

• Designing Machine Learning Systems（Chip Huyen）——讨论上线后监控、数据漂移与性能退化等问题
• Building Machine Learning Powered Applications（Emmanuel Ameisen）——涉及模型在真实环境中表现变差与维护策略
• Machine Learning Design Patterns（Valliappa Lakshmanan, Sara Robinson, Michael Munn）——包含监控、漂移与模型维护相关模式
• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville）——在泛化、分布变化等主题中常涉及性能下降/退化的讨论